門限玻爾茲曼機(jī)在人臉識(shí)別中的魯棒性研究.pdf

1、人臉信息作為生物特征中最重要的一種，具有極易獲取、多信息量、舒適感強(qiáng)、可靠性高的特點(diǎn)，愈來(lái)愈廣泛地被應(yīng)用在需要身份識(shí)別的領(lǐng)域。然而，識(shí)別過(guò)程中存在很多影響因素，包括年齡、表情、發(fā)型、眼鏡、光照、角度、姿態(tài)等，給人臉識(shí)別技術(shù)帶來(lái)了巨大的挑戰(zhàn)。本文基于深度學(xué)習(xí)在圖像識(shí)別的相關(guān)理論，分析了深度學(xué)習(xí)的基本模型和方法，并在相關(guān)人臉數(shù)據(jù)集上實(shí)驗(yàn)應(yīng)用;并且提出了一種改進(jìn)算法，具體工作內(nèi)容如下:
　　(1)深入研究了玻爾茲曼機(jī)及其魯棒性較強(qiáng)的衍生

2、結(jié)構(gòu):限制玻爾茲曼機(jī)（RBM），掀起深度學(xué)習(xí)浪潮的深度信念網(wǎng)絡(luò)(DBN)，卷積限制玻爾茲曼機(jī)(CRBM)，高斯玻爾茲曼機(jī)（Gaussian RBM），門限的玻爾茲曼機(jī)（Gated RBM）等模型結(jié)構(gòu)與特點(diǎn)。
　　(2)分析卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNNs)的基本原理，訓(xùn)練過(guò)程和模型結(jié)構(gòu)。其中卷積層通過(guò)卷積運(yùn)算，可以使原信號(hào)增強(qiáng)，并且降低噪聲，提高信噪比;降采樣對(duì)卷積層的圖像進(jìn)行子抽